随着科学技术和共享经济的不断发展,短期租赁服务网站越来越多。Airbnb作为著名的短期租房平台,已经成为了很多年轻人出门旅游住宿的首选。对于租房销量来说,价格因素不可忽视,但是不同于传统酒店业成熟的定价体系,Airbnb平台上租房的定价是由房东自主决定。房东需要为租房制定合适的价格来吸引更多的房客,而房客也需要了解租房合理的价格以防上当受骗,所以租房价格是一个值得研究的问题。早期对于租房价格的研究多是探究房屋自身属性对于价格因素的影响,慢慢发展到人工选择特征来研究价格因素的影响和预测租房的价格,现在多是结合机器学习和深度学习技术来预测和推荐租房价格。以往的研究解决了很多问题但是也有不足之处,例如,关于租房价格预测的特征属性不够丰富;对于租房文本信息的研究不够深入;结合房屋周边兴趣点预测租房价格的研究较少等。结合以往研究的经验和不足,本文提出了一个基于多资源信息嵌入的预测模型（MSIEPM）去研究Airbnb的租房价格问题,目的是给予房东相关的指导,以便他们调整出租的房屋价格,更好地适应市场,吸引更多的顾客带来更高的利润。本文首先对原始的租房数据进行特征选择以选出效果最好的统计特征嵌入;其次对三种不同的文本信息生成词特征向量和情感分数组合成为文本特征嵌入;然后利用租房周边的兴趣点（POI）信息生成多种空间网络图,并学习网络的嵌入得到空间特征嵌入。最后本文将三种模块组合为多资源租房特征,并利用构造的全连接神经网络进行价格预测。本文通过真实的北京和上海两个城市的Airbnb租房数据和大量的实验证明了本文模型的有效性,能够真实准确地预测租房的价格。